La vision par ordinateur en géologie : redéfinir les sciences de la Terre

Repérer les premiers signes d’évolution du paysage, qu’il s’agisse de formations rocheuses qui se déplacent, de légers mouvements de surface ou de variations du relief, est essentiel pour la recherche géologique. Traditionnellement, les géologues s’appuient sur le travail de terrain et l’analyse manuelle pour observer et interpréter ces changements.

Bien qu’efficaces, ces méthodes peuvent prendre beaucoup de temps et être limitées lorsqu’il s’agit de détecter des motifs subtils sur de grandes superficies. Pour soutenir et renforcer ces efforts, les géologues s’appuient de plus en plus sur des technologies basées sur l’AI, comme la vision par ordinateur.

La vision par ordinateur, ou AI de vision, permet aux machines d’interpréter et de comprendre les informations visuelles du monde réel. L’une des principales raisons de son utilisation en géologie est la croissance rapide du volume de données visuelles, ainsi que la complexité accrue de ces données.

Les satellites renvoient des milliers d’images chaque jour, les drones capturent des vues détaillées de grandes zones et les chercheurs en laboratoire produisent des images microscopiques haute résolution de minuscules échantillons de roche. Tout cela génère une quantité énorme de données visuelles. La vision par ordinateur facilite le tri de ces informations et la découverte de motifs utiles et révélateurs.

Par exemple, des modèles de vision par ordinateur comme Ultralytics YOLO11 peuvent servir à analyser des images satellite, des vidéos de drones et des images de laboratoire en géologie. Les informations tirées de ce type d’analyse contribuent à des tâches comme l’identification des types de roche, la cartographie des reliefs et le suivi de l’évolution du terrain au fil du temps.

Dans cet article, nous allons examiner de plus près comment la vision par ordinateur en géologie aide les chercheurs à mieux comprendre notre planète.

Le rôle de l’AI et de la vision par ordinateur en géologie#

Avant de passer en revue les différentes applications de la vision par ordinateur en géologie, prenons un peu de recul pour comprendre la place de l’AI de vision dans ce domaine et les besoins auxquels elle répond le mieux.

Les données visuelles recueillies par les géologues doivent souvent être analysées rapidement et avec précision pour étayer la recherche et la prise de décision. Elles peuvent révéler d’importants motifs géologiques. Même de très petits changements dans le paysage ou les structures rocheuses peuvent annoncer des évolutions plus importantes.

Par exemple, de fines fissures à la surface d’un versant peuvent signaler une instabilité de pente précoce et un risque de glissement de terrain. Difficiles à détecter manuellement, ces changements subtils peuvent être repérés rapidement et de façon fiable par la vision par ordinateur.

Fig. 1. Exemples de fissures de surface sur un versant.

Voici d’autres façons dont l’AI et la vision par ordinateur sont actuellement utilisées en géologie :

• Détection des caractéristiques géologiques : les systèmes d’AI basés sur la vision peuvent repérer automatiquement des caractéristiques géologiques précises dans les images, comme des cratères, des cicatrices de glissement de terrain et différents types de roche. Cela accélère considérablement des processus tels que la cartographie géologique et l’évaluation des risques.
• Classification d’images : des modèles de vision par ordinateur comme Ultralytics YOLO11 peuvent analyser des images aériennes et classer des régions selon leur couverture végétale, leurs structures souterraines ou leurs types de sol, aidant ainsi les géologues à mieux comprendre la composition et l’utilisation des terres.
• Suivi des changements : en comparant des images prises au fil du temps, les systèmes d’AI peuvent détecter des changements à la surface de la Terre, comme le déplacement des glaciers, l’érosion côtière ou l’évolution des formations volcaniques, et fournir ainsi de précieuses informations sur les changements environnementaux.
• Prévision des risques : la vision par ordinateur, associée à l’apprentissage profond, permet d’analyser des images satellite et d’autres données visuelles pour repérer les premiers signes de risques naturels, améliorant ainsi la précision des prévisions d’événements comme les glissements de terrain et les éruptions volcaniques.

Types de données visuelles utilisées dans les études géologiques#

Différents types de données visuelles aident les géologues à mieux comprendre ce qui se passe à la surface de la Terre et sous celle-ci. Voici les principaux types de données visuelles utilisés en géologie et la façon dont chacun contribue à notre compréhension de la planète :

• Images satellite : les satellites en orbite autour de la Terre offrent une vue d’ensemble de la surface de la planète. En analysant les images recueillies au fil du temps, les géologues peuvent surveiller l’état de la végétation et observer l’évolution de catastrophes naturelles comme les inondations.
• Vidéos de drones : les drones capturent des images et des vidéos haute résolution du terrain. Équipés d’outils comme le LiDAR (détection et télémétrie par ondes lumineuses), ils peuvent produire des cartes détaillées de la surface, ce qui facilite le repérage des risques locaux et le suivi des changements dus à l’activité humaine.
• Images microscopiques : les images agrandies d’échantillons de roches et de minéraux révèlent des détails fins sur leur composition et leur structure, permettant aux géologues de comprendre comment les roches se sont formées et transformées au fil du temps.
• Images thermiques : capturées par des capteurs infrarouges installés sur des drones ou des satellites, elles détectent les motifs de chaleur à la surface de la Terre, ce qui peut aider à repérer l’activité géothermique, les points chauds volcaniques ou même les écoulements d’eau souterraine.

Fig. 2. Aperçu des différents types de données visuelles utilisées dans les études géologiques. Image de l’auteur.

Applications de la vision par ordinateur en géologie#

Maintenant que nous comprenons mieux les types de données visuelles utilisées par les géologues et la façon dont la vision par ordinateur peut aider à les analyser, passons en revue quelques applications intéressantes en géologie qui montrent son potentiel pour enrichir la recherche et les découvertes.

Utiliser l’AI pour surveiller l’activité volcanique#

Avant une éruption volcanique, des signes avant-coureurs apparaissent souvent, comme des variations de la température de surface, des émissions de gaz ou de légers mouvements du sol. Ces signes peuvent être difficiles à repérer, surtout dans les zones reculées.

Les modèles de vision par ordinateur servent désormais à analyser des images satellite et thermiques afin de surveiller plus efficacement l’activité volcanique. Ces systèmes peuvent mesurer la hauteur et la température des panaches de cendres, détecter la chaleur à la surface du volcan et repérer de légers changements de forme, autant de signes annonciateurs possibles d’une éruption.

Le projet DeepCube H2020 en est un exemple intéressant : il utilise des techniques de vision par ordinateur comme la classification d’images et la segmentation d’instance pour analyser des données radar à synthèse d’ouverture (SAR). Le SAR est un type d’imagerie satellite qui utilise le radar plutôt que la lumière, ce qui permet de capturer des images détaillées de la surface de la Terre, quelles que soient les conditions météorologiques ou l’heure de la journée.

En comparant des images SAR prises au fil du temps, le système peut détecter de légers mouvements du sol à proximité des volcans, susceptibles de signaler les premiers signes d’activité. Ces recherches ont contribué au développement de Pluto, un système mondial d’alerte basé sur l’AI qui surveille les volcans et envoie des alertes précoces lorsque des signes d’activité sont détectés.

Fig. 3. Aperçu d’images radar satellite où les motifs colorés montrent les mouvements du sol près des volcans.

Classification des roches par apprentissage automatique et AI de vision#

Prenons l’exemple d’une entreprise minière qui évalue un nouveau site d’exploration. Avant tout forage, les géologues doivent généralement identifier les types de roches présents dans la zone afin d’évaluer le potentiel minéral et les risques pour la sécurité. Traditionnellement, cela suppose de prélever des échantillons physiques et de les analyser à la main, une méthode non seulement longue, mais aussi largement tributaire du jugement d’experts.

Grâce à l’apprentissage automatique et à la vision par ordinateur, ce processus devient plus rapide et plus objectif. Des images haute résolution d’échantillons de roche sont capturées puis analysées par des modèles entraînés, capables de reconnaître des motifs de texture, de couleur et de structure granulaire au moyen de tâches de vision par ordinateur comme la classification d’images.

Ces modèles apprennent à partir de milliers d’images annotées de roches et de minéraux, comme celles du jeu de données MineralImage5k, afin d’identifier rapidement et avec précision de nouveaux échantillons de façon autonome. Cela accélère la prise de décision sur le terrain et réduit le besoin de travail manuel intensif, rendant l’exploration plus efficace et plus cohérente.

Détection des failles par vision par ordinateur#

L’identification des failles et des fractures dans les formations rocheuses nécessitait traditionnellement un important travail de terrain. Aujourd’hui, les modèles de vision par ordinateur peuvent analyser des images satellite et aériennes pour détecter automatiquement ces caractéristiques avec une grande précision. En repérant les motifs linéaires qui indiquent la présence de failles, ces modèles contribuent à créer des cartes détaillées des zones présentant des risques géologiques.

Les modèles de vision par ordinateur comme Ultralytics YOLO11, qui prennent en charge des tâches telles que la segmentation d’instance, peuvent servir à détecter les fissures, les fractures et les failles dans des images de surface. Ils peuvent repérer même les petites fissures dans la roche ou le sol, ce qui améliore la cartographie géologique et favorise une planification plus sûre des travaux de construction ou de forage dans les zones sujettes aux séismes.

Fig. 4. Segmentation des fissures avec Ultralytics YOLO11.

Avantages et inconvénients de la vision par ordinateur en géologie#

La vision par ordinateur transforme les processus de travail en géologie, de l’identification des minéraux à la meilleure compréhension de ce qui se trouve sous la surface. Voici quelques-uns de ses principaux avantages dans ce domaine :

• Intégration à la télédétection : l’AI de vision peut être associée aux images satellite et aux images de drones pour évaluer le terrain, la géologie structurale ou les conditions environnementales sur de grandes superficies.
• Essais non destructifs : l’analyse basée sur la vision est non invasive et préserve l’intégrité des échantillons précieux ou fragiles.
• Évolutivité : une fois entraînés, les modèles de vision par ordinateur comme YOLO11 peuvent traiter rapidement et de manière cohérente de grandes quantités de données provenant de différents sites.

Malgré ses avantages, l’application de la vision par ordinateur en géologie présente aussi quelques difficultés à prendre en compte :

• Interprétabilité : de nombreux modèles de vision par ordinateur fonctionnent comme des « boîtes noires », ce qui complique l’explication de leurs décisions.
• Maintenance continue : comme les données géologiques évoluent, les modèles doivent être régulièrement mis à jour et réentraînés pour rester efficaces et pertinents.
• Limites environnementales : les images optiques utilisées en télédétection peuvent être affectées par des facteurs comme la couverture nuageuse, les conditions d’éclairage ou les obstacles à la surface, ce qui peut réduire les performances du modèle.

Points clés à retenir#

La vision par ordinateur transforme les méthodes de recherche et les applications géologiques. Du suivi de l’activité volcanique à la détection des signes précurseurs de glissements de terrain, les outils pilotés par l’IA visuelle aident les géologues à améliorer leurs résultats de recherche et leurs stratégies de réponse aux catastrophes.

À l’avenir, avec l’évolution de l’AI et l’intégration de davantage de données provenant de différents capteurs, nous pouvons nous attendre au développement de systèmes plus robustes, conçus pour être utilisés sur le terrain. La vision par ordinateur deviendra probablement un élément central des pratiques géologiques, améliorant à la fois l’efficacité et la précision dans un large éventail d’applications.

Rejoins notre communauté et explore notre dépôt GitHub pour en savoir plus sur la vision par ordinateur en pratique. Si tu veux découvrir comment l’AI est utilisée dans différents secteurs, consulte notre page de solutions pour voir des cas d’utilisation concrets, de la vision par ordinateur dans l’industrie manufacturière à l’AI dans les soins de santé. Consulte nos options de licence et fais dès aujourd’hui le premier pas vers la création de solutions de vision par ordinateur.